electricsheepafrica/africa-ilo-how-xees-sex-ins-dsb-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含非洲29个国家2005年至2025年期间员工平均每周实际工作小时数的观测数据，共计2,257个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，核心指标为按性别、公共/私营部门和残疾状况分列的员工平均每周实际工作小时数。数据集提供了国家代码、性别、分类变量、观测年份、观测值等详细列信息，适用于表格分类、回归和时间序列预测等任务。数据经过ILO的标准化处理，覆盖了非洲多个国家的劳动力统计信息。This dataset contains observations of mean weekly hours actually worked per employee across 29 African countries from 2005 to 2025, with 2,257 data points. Sourced from the International Labour Organization (ILO) ILOSTAT database, the core indicator is Mean weekly hours actually worked per employee by sex, public/private sector and disability status. It includes detailed columns such as country codes, sex, classification variables, observation year, and observed values, suitable for tabular classification, regression, and time-series forecasting tasks. The data is harmonized by ILO and covers labor statistics for multiple African countries.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT数据库，通过调用其REST API接口，筛选出非洲地区ISO3国家代码对应的观测记录而构建。ILOSTAT对各国原始调查微观数据依照国际劳工统计学家会议（ICLS）定义进行协调统一，确保指标口径一致。数据集由Electric Sheep Africa团队重新打包为HuggingFace格式，包含2257条观测值，覆盖2005年至2025年期间29个非洲国家，专注于“按性别、公共/私营部门和残疾状况划分的雇员实际周平均工时”这一单一指标。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数直接加载数据集，转换为Pandas DataFrame后即可进行探索性分析。支持按ref_area字段过滤单个国家数据，或按indicator筛选特定指标进行时间序列可视化。利用pivot_table方法可构造国家×年份的观测值矩阵，便于面板数据分析。数据集内置的性別、部门分类字段可灵活分组聚合，适用于劳动经济学中工时差异的回归建模与趋势预测任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门主导编制，经由Electric Sheep Africa于2025年重新整理并发布在HuggingFace平台。其核心研究问题聚焦于非洲地区雇员平均每周实际工作时间的分布模式，尤其关注性别、公共/私营部门以及残疾状态等交叉维度如何塑造劳动时间不平等。数据集涵盖2005至2025年间29个非洲国家的2,257条观察值，基于ILOSTAT这一全球劳动力统计权威数据库，通过对各国劳动力调查、家庭收入调查等原始微观数据按照国际劳工统计学家会议（ICLS）定义进行标准化处理而成。这一资源为定量分析非洲劳动力市场结构性特征、评估可持续发展目标（SDGs）中体面工作指标进展提供了关键的微观层面证据，有助于弥合非洲大陆在劳动经济学实证研究中的数据鸿沟。

当前挑战

该数据集所应对的领域核心挑战在于非洲劳动力市场长期面临的数据稀疏性与维度单一问题：现有全球劳动统计往往优先覆盖高收入国家，非洲地区尤其是分性别、分残疾状态的精确工作时间数据极为匮乏，导致关于非正规就业、性别薪酬差异及弱势群体劳动权益的政策分析缺乏可靠基准。构建过程中亦遭遇重重困难：原始数据来自不同国家多种调查类型（劳动力调查、行政记录等），其调查年份、问卷设计、职业分类标准参差不齐，ILO需利用ICLS定义进行跨时期、跨国别的复杂协调；此外，部分观测值因样本量过小或方法论修订（如标识为`U`不可靠或`Break in series`）而被标注为不可靠，加之某些国家特定年份的数据完全缺失，使得完整且连续的时间序列建模面临严峻挑战。

常用场景

经典使用场景

该数据集聚焦于非洲地区雇员按性别、公共/私营部门及残疾状况划分的周平均实际工时，是劳动经济学与公共政策研究中不可多得的微观统计资源。研究者可借此追溯29个非洲国家自2005年至2025年间的工时演变轨迹，通过时间序列分析揭示不同群体在劳动力市场中的参与强度与结构性差异。经典用法包括构建面板数据模型，评估性别工资差距、残疾包容政策以及部门所有制对劳动供给行为的深远影响。该数据集凭借其跨年度、跨群体与跨地区的多重维度，为理解非洲劳动力市场的动态特征提供了坚实的量化基础。

解决学术问题

该数据集有效填补了非洲地区关于工时与劳动力结构性差异的学术研究空白，尤其解决了因数据稀疏而难以展开的跨国比较与纵向分析难题。研究者可借此探讨性别不平等在劳动强度上的具体表现，公共部门与私营部门在雇佣弹性上的异同，以及残疾人群在就业市场中面临的实际障碍。数据集涵盖的2005至2025年时间跨度，为评估政策干预、经济周期波动及可持续发展目标（特别是体面工作目标）的推进成效提供了关键实证依据。其意义在于将宏观统计与微观分群相结合，推动了发展经济学与劳动经济学交叉领域的理论深化与经验检验。

实际应用

在实际应用层面，该数据集为国际组织、政府机构及非政府组织开展劳动政策评估与规划提供了精准的数据支撑。例如，国际劳工组织可借此监督非洲各国在促进性别平等就业与包容残疾人士方面的进展，从而优化技术援助与资源配置。各国劳动部门可基于工时数据调整最低工资标准、规范劳动时长及设计社会保障方案。此外，该数据集也可服务于企业的人力资源战略，帮助跨国公司在进入非洲市场时评估不同国家的劳动成本与用工模式。对于致力于消除歧视与推动体面工作的社会机构而言，这些数据是量化工时不平等、倡导政策改革不可或缺的实证工具。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区劳动者实际周工作时间的多维度解构，尤其关注性别、公共/私营部门以及残疾状态等交叉性变量对工作时长的影响。在体面劳动与可持续发展目标（SDG 8）日益受到国际社会关注的背景下，这一微观层面数据的系统整合，为揭示非洲劳动力市场中弱势群体的工作负担与结构性不平等提供了关键定量基础。前沿研究正利用该时间序列数据（覆盖2005–2025年、29国）探索后疫情时代非洲非正规就业模式的演变，以及残疾包容型就业政策对工作时长分布的因果效应。其方法论价值在于，通过ILO统一归化标准，使跨国面板分析成为可能，从而推动非洲劳动经济学从碎片化案例走向可泛化的实证建模，为国际组织制定区域性劳工政策提供了不可替代的数据锚点。